ARTICLE · 1065213
AI股震荡之际,黄仁勋为何力挺开放权重?|第一性原理观商
第1性原理
观商
长江DBA
FIRST
PRINCIPLES
INSIGHT
开放权重还是闭源，不只关乎安全，更取决于企业准备在哪一层赚钱
7月下旬，全球科技股和AI芯片股出现剧烈震荡。美国“科技七巨头”指数单日下跌4.8%，市值蒸发近8000亿美元；费城半导体指数较6月下旬一度下跌约25%。在亚洲，韩国KOSPI指数单日下跌10.84%，三星电子和SK海力士跌幅均超过14%。
这轮波动表明，市场的关注点正在从AI还能带来多大的增长想象，转向巨额投入何时能够转化为回报，以及产业价值最终会落在芯片、模型还是应用层。就在资本市场重新评估AI价值分配之际，围绕开放与封闭的路线分歧也进一步公开化。
7月24日，英伟达CEO黄仁勋发布了自己在X平台上的第一条帖子。没有推销新品，也没有展示最新芯片，而是转发一封题为《开放权重与美国AI领导力》的联名信，呼吁美国政策制定者避免过早限制开放权重模型。
联名信最初由英伟达、微软、Meta、戴尔、IBM、Hugging Face等25家企业和机构署名，随后扩展至50家，OpenAI和谷歌也加入其中。几天后，月之暗面发布Kimi K3开放权重。与此形成对照的是，以销售闭源模型服务为核心的Anthropic没有署名，并强调前沿模型开放可能带来的安全风险。
几乎同时，另一场安全事件让争论变得更加复杂。OpenAI在内部网络安全测试中，降低了模型的安全拒答限制，智能体随后突破隔离环境，进入Hugging Face部分生产基础设施，产生超过1.7万次自动化操作。事后取证时，Hugging Face最先尝试调用商业模型，但相关请求因安全护栏无法处理真实攻击代码，最终改用中国大模型公司智谱AI开发的开放权重模型GLM-5.2，在本地完成分析。
OpenAI测试的非开放权重模型跑出了“围栏”，被认为风险更高的开放权重模型却成了防守工具。这场反差说明：闭源API的护栏擅长阻止风险行为，而开放权重模型更便于本地化灵活分析。真正的分界线不是简单的安全与否，而是风险控制权的分配。安全是真实问题，却不足以完全解释企业的路线选择。要理解这种分歧，还要看不同企业靠什么赚钱，又希望AI产业的价值沉淀在哪一层。
FIRST PRINCIPLES INSIGHT
01
黄仁勋为什么希望模型越多越好？
理解黄仁勋为什么力挺开放权重，首先要看英伟达靠什么赚钱。
英伟达出售的核心产品不是某一个大模型，而是训练和运行模型所需要的芯片、系统和计算平台。对它而言，模型越多、开发者越多、部署场景越广，算力需求就越大。最终胜出的是哪一家模型公司，并不是最重要的问题。
严格来说，开放权重并不等于完整开源：模型参数可以由外部下载、部署和微调，但训练数据和训练代码未必公开。即便如此，它仍能降低进入AI市场的门槛。创业公司不必从零训练基础模型，传统企业也可以基于现有模型进行本地化改造，模型能力由此从少数公司的独家产品，变成更多企业可以使用的生产要素。
英伟达、微软、戴尔等企业分别出售芯片、云服务、服务器和企业解决方案。模型越便宜、越容易获得，使用模型的企业越多，它们所销售的互补产品反而越有价值。
长江DBA丨第一性原理观商
这背后是一条简单的商业规律：企业往往希望自己出售的东西保持稀缺，同时希望与它互补的东西变得便宜而普及。
软件开放权重曾带动云计算、数据库和技术服务，开放模型同样可以扩大AI市场的需求基数。只要更多模型被开发、微调和部署，无论谁成为模型层的赢家，算力都要被持续消耗。卖算力的人支持开放权重，本质上是希望降低模型门槛，把模型竞争转化为更大的算力需求。
需要说明的是，支持开放生态，并不意味着企业一定会开放自己的核心模型。微软、谷歌和OpenAI等企业同时横跨模型、云服务和应用层，往往采取开放与封闭并行的策略。企业立场不是固定标签，而取决于哪一层业务更能从开放或封闭中获益。
FIRST PRINCIPLES INSIGHT
02
依靠模型收费的企业，为什么更强调安全与控制？
模型公司的账本则完全不同。
训练前沿模型，需要长期投入算力、数据、人才和工程资源。如果权重被完全开放，竞争者就可能更快复制、微调和蒸馏，模型能力也会从稀缺产品变成可替代供给。对依靠API调用、订阅和企业授权收费的公司而言，这意味着定价权和利润空间被压缩。
闭源因此可以保护三种东西：一是模型权重和训练成果，二是统一的产品入口和客户关系，三是持续按调用量收费的商业模式。模型能力越稀缺，客户迁移成本越高，模型公司的议价能力就越强。
安全则为这种封闭增加了更具公共性的理由。前沿模型确实可能被用于网络攻击、欺诈、生物风险等高危场景。通过API提供能力，模型公司可以设置访问门槛、监控异常调用并停止服务；一旦权重被下载，原开发者就很难继续追踪其用途，更无法远程撤回。
因此，安全并不只是商业借口。随着智能体连接浏览器、代码库、支付账户和企业系统，风险已不只在于模型“回答了什么”，还在于它被授予什么权限、可以调用什么工具，以及失控后能影响多大的现实系统。
长江DBA丨第一性原理观商
但封闭并不能自动解决安全问题。闭源模型便于集中管理，却可能形成单点失效，外界也更依赖开发企业自身的测试与披露。开放权重一旦扩散确实难以收回，却允许本地部署、独立审计。Hugging Face使用开放模型完成安全取证，就是这种优势的现实体现。
真正的分界线不是“开放权重危险、闭源模型安全”，而是风险和控制权交给了谁：闭源把更多责任集中于模型提供商，开放则把更多能力和责任交给部署者。安全最终取决于模型评测、权限边界、运行环境、审计机制和责任制度能否共同构成防线。
FIRST PRINCIPLES INSIGHT
03
选择开放权重还是封闭，取决于企业准备在哪里赚钱
回到第一性原理，选择开放权重还是闭源并没有脱离商业世界的一般规律：技术会扩散，供给会增加，价格会下降，利润则会不断向仍然稀缺的环节迁移。
当开放权重模型持续降低技术门槛，基础模型可能逐渐由稀缺产品变成通用生产要素。此时，真正需要追问的便不是哪条路线更先进，而是模型能力普及之后，价值将沉淀在哪一层。
长江商学院科技与运营杰出院长讲席教授、AI智能产业研究部主任、企业家学者项目( DBA）学术主任孙天澍，在近期接受专访时提出“AI价值倒三角”模型：最底层是能源、基础设施、芯片生态和算力调度，再往上是模型和技术能力，最上面是产品、场景和产业价值。
为了说明AI产业链的价值分配，孙天澍教授举例：如果一家企业通过智能体系统在核心场景中创造100元增量价值，芯片生态可能拿走5元，前沿模型厂商和云厂商拿走15元，其余80元则由应用企业获得。这个示意性分配并非固定比例，而是揭示了一个方向：AI商业价值的大头，最终仍要落到场景中。
长江DBA丨第一性原理观商
这也解释了不同企业对开放权重的态度。对算力企业来说，模型越普及，芯片和云服务的需求越大；对模型公司来说，模型一旦成为可替代供给，定价权和利润空间就会受到挤压。因此，模型公司也会更有动力向高价值场景延伸，提供端到端服务；场景公司也会把模型调用成本封装进产品，按照最终创造的服务价值收费。
当基础模型越来越普及，企业真正需要守住的，可能不再只是模型本身，而是场景、数据、隐性知识、业务流程和持续反馈共同形成的智能体系统。企业需要回答的，也不只是选择开放权重还是闭源，而是当模型价格不断下降，自己究竟依靠什么保持不可替代。
因此，AI时代，企业家不能只追逐模型参数和产业热点，更需要理解技术扩散之后的价值迁移，找到企业能够长期占据的稀缺环节。开放还是封闭只是手段，在哪里创造不可替代的价值，才是战略。
长江DBA通过与全球顶尖企业家同窗共研，与兼具学术高度与实战经验的“四通教授”深度对话，并借助前沿企业参访、全球实践课堂与跨行业案例研讨，系统穿透技术表象，把握智能时代的底层逻辑。这一学习之旅，不仅能重塑认知框架，更将加速个人与企业价值跃升，共绘商业未来新图景。
参考文章：
1.《“最稀缺的，不是Token，而是1000个‘亨利·福特’”》，虎嗅APP；
2. 《开源大模型正在“杀死”闭源？》，光锥智能；
3. 《AI开权与闭源：差距、困境与机会》，知识分子。
